‏ایندکس‌کردن تصویرها برای RAG بدون هزینهٔ سنگین

تیم Kapa که دستیار هوش مصنوعی برای مستندات فنی می‌سازه، تو این مطلب توضیح می‌ده چطور میلیون‌ها تصویر مثل اسکرین‌شات، دیاگرام و جدول رو تو خط لولهٔ RAG خودش مفید کرده. ایدهٔ اصلی ساده‌ست: تصویرها رو موقع کوئری به مدل نمی‌فرستن.

به جاش، هر تصویر یک‌بار موقع ایندکس‌کردن با یه مدل بینایی ارزون توصیف می‌شه، اون توصیف به‌صورت متن ذخیره می‌شه و کنار تکه‌های متنی معمولی بازیابی می‌شه. به این ترتیب کار سنگینِ «نگاه‌کردن به تصویر» فقط یه‌بار موقع ورود داده انجام می‌شه، نه روی هر کوئری.